Трансмиссия системного риска между банковскими системами стран Азиатско-Тихоокеанского региона и России

Предмет данного исследования —  механизмы передачи системного риска между финансовыми секторами разных стран.

Цель работы состоит в определении топологических характеристик сети, связывающей банковские системы стран Азиатско-Тихоокеанского региона (АТР) и России. Учитывая возрастающую роль стран этого региона на мировом финансов рынке, его подверженность кризисам может быть опасна для других стран.

Это определяет актуальность нашего исследования. Для построения сети мы использовали данные по показателям SRISK, отражающие потери капитала финансовых институтов в случае крупномасштабного кризиса. Сети были построены с использованием алгоритма NETS, предложенного Баригоцци и Браунлисом в 2019 г.

В основе этого метода лежит построение разреженных векторных авторегрессий, оцениваемых по методу LASSO. В результате применения алгоритма мы получаем две сети —  одновременных взаимосвязей и с использованием лагированных значений переменных. Сети были построены для временного периода 2005–2020 гг. и отдельно для подпериодов, включающих глобальный финансово-экономический кризис (2005–2013 гг.) и период пандемии COVID-19 (2014–2020 гг.).

Судя по полученным результатам, сети на всем рассматриваемом временном горизонте являлись достаточно уязвимыми по отношению к внешним рискам. К крупнейшим донорам шоков в этом регионе были отнесены Китай, Япония, Сингапур и Тайвань. Россия на горизонте 2014–2020 гг. выступала в качестве акцептора рисков.

Сделан вывод, что усиление/ослабление сотрудничества с крупнейшими экспортерами рисков в этом регионе для России может означать повышение/снижение вероятности заражения системным риском.

1. Stolbov M., Shchepeleva M. Systemic risk in Europe: Deciphering leading measures, common patterns and real effects. Annals of Finance. 2018;14(1):49–91. DOI: 10.1007/s10436–017–0310–3

2. Barigozzi M., Brownlees C. NETS: Network estimation for time series. Journal of Applied Econometrics. 2019;34(3):347–364. DOI: 10.1002/jae.2676

3. Allen F., Gale D. Financial contagion. The Journal of Political Economy. 2000;108(1):1–33. DOI: 10.1086/262109

4. Freixas X., Parigi B. M., Rochet J.-Ch. Systemic risk, interbank relations, and liquidity provision by the central bank. Journal of Money, Credit and Banking. 2000;32(3):611–638. DOI: 10.2307/2601198

5. Nier E., Yang J., Yorulmazer T., Alentorn A. Network models and financial stability. Journal of Economic Dynamics and Control. 2007:31(6):2033–2060. DOI: 10.1016/j.jedc.2007.01.014

6. Čihák M., Muñoz S., Scuzzarella R. The bright and the dark side of cross-border banking linkages. IMF Working Paper. 2011;(186). URL: https://www.imf.org/external/pubs/ft/wp/2011/wp11186.pdf

7. Glasserman P., Young H. P. How likely is contagion in financial networks? Journal of Banking & Finance. 2015;50:383–399. DOI: 10.1016/j.jbankfin.2014.02.006

8. Acemoglu D., Ozdaglar A., Tahbaz-Salehi A. Systemic risk and stability in financial networks. American Economic Review. 2015;105(2):564–608. DOI: 10.1257/aer.20130456

9. Gai P., Kapadia S. Contagion in financial networks. Proceedings of the Royal Society A: Mathematical, Physical and Engineering Sciences. 2010;466(2120):2401–2423. DOI: 10.1098/rspa.2009.0410

10. Minoiu C., Reyes J. A. A network analysis of global banking: 1978–2010. Journal of Financial Stability. 2013;9(2):168–184. DOI: 10.1016/j.jfs.2013.03.001

11. Chinazzi M., Fagiolo G., Reyes J. A., Schiavo S. Post-mortem examination of the international financial network. Journal of Economic Dynamics and Control. 2013;37(8):1692–1713. DOI: 10.1016/j.jedc.2013.01.010

12. Hale G. Bank relationships, business cycles, and financial crises. Journal of International Economics. 2012;88(2):312–325. DOI: 10.1016/j.jinteco.2012.01.011

13. Hale G., Kapan T., Minoiu C. Crisis transmission in the global banking network. IMF Working Paper. 2016;(91). URL: https://www.imf.org/external/pubs/ft/wp/2016/wp1691.pdf

14. Cerutti E., Zhou H. The global banking network in the aftermath of the crisis: Is there evidence of deglobalization? IMF Working Paper. 2017;(232). DOI: 10.5089/9781484324868.001

15. Dungey M., Fry R., Martin V. L. Correlation, contagion, and Asian evidence. Asian Economic Papers. 2006;5(2):32–72. DOI: 10.1162/asep.2006.5.2.32

16. Forbes K. J., Rigobon R. No contagion, only interdependence: Measuring stock market comovements. The Journal of Finance. 2002;57(5):2223–2261. DOI: 10.1111/0022–1082.00494

17. Sander H., Kleimeier S. Contagion and causality: An empirical investigation of four Asian crisis episodes. Journal of International Financial Markets, Institutions and Money. 2003;13(2):171–186. DOI: 10.1016/S1042–4431(02)00043–4

18. Baur D., Schulze N. Coexceedances in financial markets — a quantile regression analysis of contagion. Emerging Markets Review. 2005;6(1):21–43. DOI: 10.1016/j.ememar.2004.10.001

19. Dahlhaus R., Eichler M. Causality and graphical models in time series analysis. In: Green P., Hjort N., Richardson S., eds. Highly structured stochastic systems. Oxford: Oxford University Press; 2003:115–137. URL: https://galton.uchicago.edu/~eichler/hsss.pdf

20. Eichler M. Granger causality and path diagrams for multivariate time series. Journal of Econometrics. 2007;137(2):334–353. DOI: 10.1016/j.jeconom.2005.06.032

21. Giudici P., Parisi L. CoRisk: Credit risk contagion with correlation network models. Risks. 2018;6(3):95. DOI: 10.3390/risks6030095

22. Avdjiev S., Giudici P., Spelta A. Measuring contagion risk in international banking. Journal of Financial Stability. 2019;42:36–51. DOI: 10.1016/j.jfs.2019.05.014

23. Chiang T. C., Jeon B. N., Li H. Dynamic correlation analysis of financial contagion: Evidence from Asian markets. Journal of International Money and Finance. 2007;26(7):1206–1228. DOI: 10.1016/j.jimonfin.2007.06.005

24. Diebold F. X., Yılmaz K. On the network topology of variance decompositions: Measuring the connectedness of financial firms. Journal of Econometrics. 2014;182(1):119–134. DOI: 10.1016/j.jeconom.2014.04.012

25. Barigozzi M., Hallin M. A network analysis of the volatility of high-dimensional financial series. Journal of the Royal Statistical Society: Series C (Applied Statistics). 2016;66(3):581–605. DOI: 10.1111/rssc.12177

26. Barigozzi M., Hallin M., Soccorsi S., von Sachs R. Time-varying general dynamic factor models and the measurement of financial connectedness. Journal of Econometrics. 2021;222(1.Pt.B):324–343. DOI: 10.1016/j.jeconom.2020.07.004

27. Rodriguez J. C. Measuring financial contagion: A copula approach. Journal of Empirical Finance. 2007;14(3):401–423. DOI: 10.1016/j.jempfin.2006.07.002

28. Wen X., Wei Y., Huang D. Measuring contagion between energy market and stock market during financial crisis: A copula approach. Energy Economics. 2012;34(5):1435–1446. DOI: 10.1016/j.eneco.2012.06.021

29. Delgado P. C., Congregado E., Golpe A. A., Vides J. C. The yield curve as a recession leading indicator. An application for gradient boosting and random forest. International Journal of Interactive Multimedia and Artificial Intelligence. 2022;7(3):7–19. DOI: 10.48550/arXiv.2203.06648

30. Sabes D., Sahuc J.-G. Do yield curve inversions predict recessions in the euro area? Finance Research Letters. 2023;52:103416. DOI: 10.1016/j.frl.2022.103416

31. Hasse J.-B., Lajaunie Q. Does the yield curve signal recessions? New evidence from an international panel data analysis. The Quarterly Review of Economics and Finance. 2022;84:9–22. DOI: 10.1016/j.qref.2022.01.001

32. Page L., Brin S., Motwani R., Winograd T. The PageRank citation ranking: Bringing order to the web. Stanford Digital Library Technologies Project. 1998. URL: https://www.cis.upenn.edu/~mkearns/teaching/NetworkedLife/pagerank.pdf

33. Kleinberg J. M. Authoritative sources in a hyperlinked environment. Journal of the ACM. 1999;46(5):604– 632. DOI: 10.1145/324133.324140